Netzwerkmedizin trifft Seltene Erkrankung im Knowledge Graph

Am 28. Februar 2025 wird weltweit der Rare Disease Day gefeiert – ein Tag, der auf die etwa 300 Millionen Menschen aufmerksam macht, die an seltenen Erkrankungen leiden. Besonders betroffen sind Kinder, die in vielen Fällen keine schnelle oder präzise Diagnose erhalten. Am Beispiel der Care-for-Rare Foundation kann man nachvollziehen, wie diesen kleinen Patienten durch moderne Technologien wie Künstliche Intelligenz (KI), System- und Netzwerkmedizin und Wissensgraphen (Knowledge Graphs) geholfen werden kann.

Am Dr. von Haunerschen Kinderspital der LMU München wird bereits ein solcher innovativer Clinical Knowledge Graph (CKG) eingesetzt, um bei der Diagnose von seltenen Erkrankungen schneller und effizienter zu werden. „Graph Data Science und Machine Learning bieten eine völlig neue Möglichkeit, im Bereich der Genomik und personalisierten Medizin zu arbeiten“, erklärt Daniel Weiss, Leiter BioIT an dem Kinderspital. „Durch den Knowledge Graph können wir viel effizientere Modelle entwickeln und so den gesamten Diagnoseprozess beschleunigen.“ Die Strukturierung von Daten in einer durch Wissensknoten gegliederten mehrdimensionalen Vernetzung, die man als Graph bezeichnet, lässt die Tabellenformate à la Excel endgültig weit hinter sich. „Die Integration von Graphtechnologie in der Forschung ist ein Gamechanger“, erklärt Dr. Alexander Jarasch, Global Head of Pharma and Life Sciences bei Neo4j, die das gemeinsame Projekt der Stiftung unterstützen. „Graphdatenbanken verknüpfen große Mengen heterogener Daten und ermöglichen es, Zusammenhänge zu entdecken, die bislang nicht erkennbar waren. In der Zukunft wird dieser Ansatz die personalisierte Medizin weiter revolutionieren.“

Während die heute bekannten KI-Modelle auf riesige Datenmengen für ihre Trainingsphase angewiesen sind, kann diese Vorgehensweise bei den seltenen Erkrankungen kaum angewendet werden, da die Menge an Daten nicht ausreichen würde. Im Graphen-Netzwerk erhalten Daten mehr Kontext und damit in ihrer Verknüpfung eine höhere Dimensionalität, selbst wenn die Ausgangsmenge an Daten geringer ist.

Die Nadel im Heuhaufen

Seltene Krankheiten sind per Definition solche, die weniger als fünf von 10.000 Menschen betreffen. Weltweit existieren mehr als 8.000 dieser Erkrankungen, viele davon betreffen Kinder. Die Diagnose dieser Krankheiten gestaltet sich besonders schwierig, da die Symptome oftmals unklar sind und sich von Fall zu Fall stark unterscheiden. Zudem spielen winzige genetische Mutationen eine entscheidende Rolle – das Zusammenspiel dieser Mutationen mit den klinischen Symptomen zu verstehen, ist eine enorme Herausforderung für Ärzte. Die Care-for-Rare Foundation setzt auf eine Kombination aus Graphtechnologie und KI, um diese Hürden zu überwinden. Der CKG von Neo4j verknüpft genomische Daten, Blut- und Testwerte, Krankheitsverläufe sowie wissenschaftliche Fachliteratur und Arzneimittelinformationen zu einem einzigartigen Wissensnetzwerk. Aktuell sind im Graphen die Daten von 2.500 erkrankten Kindern und mehr als 16 Millionen Knoten mit 220 Millionen Beziehungen abgebildet. Ärzte können so auf Grundlage des CKGs nach Korrelationen zwischen Proteinen, Genen und Symptomen suchen und schneller zu einer Diagnose gelangen.

„Kinder mit seltenen Erkrankungen sind die Waisen der Medizin“, sagt Prof. Dr. Christoph Klein, Gründer der Care-for-Rare Foundation. „Oft dauert es Jahre, bis die richtige Diagnose gestellt wird. Ziel unserer Stiftung ist es, den betroffenen Kindern Zugang zu schnellerer, moderner genetischer Diagnostik und innovativen Therapien zu verschaffen.“ Um die Diagnose und Behandlung von seltenen Erkrankungen weiter zu verbessern, arbeitet die Care-for-Rare Foundation eng mit internationalen Ärzten und Wissenschaftlern zusammen.

Ein Beispiel hierfür ist das AMIGO-Projekt, das es Forschern ermöglicht, klinische und genetische Daten zu analysieren, um Diagnosen zu stellen. Das Projekt nutzt einen Dual-Graph-Ansatz: Während die sensiblen Patientendaten vor Ort im Krankenhaus bleiben, werden anonymisierte Daten in einer Cloud zur Entwicklung von KI-Modellen verwendet. Die Foundation strebt außerdem an, die Pharmaindustrie in ihre Forschung einzubeziehen, um sowohl die Entwicklung neuer Medikamente als auch die Nutzung bestehender Arzneimittel für seltene Erkrankungen zu fördern. Ein weiteres Ziel ist es, durch Drug-Repurposing neue therapeutische Ansätze zu finden – also durch die Nutzung bereits zugelassener Medikamente in neuen Indikationsgebieten, machdem der Wirkstoff auch dort eine Aktivität gezeigt hat. Auch die Pharmaindustrie könne von den Daten profitieren, um Risikofaktoren für seltene Erkrankungen im Erwachsenenalter zu identifizieren und die Medikamentenentwicklung zu beschleunigen, so die Kooperationspartner.

Im Life Science- und Pharma-Bereich kommt Graphtechnologie sowohl in der Forschung als auch entlang des kompletten Drug-LifeCycle zum Einsatz – von der Target-Priorisierung über das Wirkstoffmanagement und die Dokumentation klinischer Studien bis hin zur Fertigung von Arzneimitteln. Zu den Kunden von Neo4j, einem skandinavischen Datenanalyseunternehmen das durch die Datenanalyse der sogenannten Panama-Papers bekannt geworden ist, gehören Unternehmen aller Industriebereiche, NGOs, Pharmakonzerne und Start-ups, aber auch weitere Gesundheitseinrichtungen wie das Deutsche Zentrum für Diabetesforschung.